我正在为我的论文试验小波，目前正在使用 pywavelets 提供的固定 WT。CWT 有非常好的图，但是有没有人知道一种生成图的技术，可以很好地全面了解生成的 SWT？现在我基本上只是为每个级别生成一个详细系数图列表，而不是关于平均值。
我希望这个问题属于这里。干杯!
编辑：
我真的只是遍历变换并绘制每个细节系数向量。（我知道该示例使用 DWT 而不是 SWT，但应该是类似的）
fig, axes = plt.subplots(3, 5, figsize=[14, 8])
c = pywt.wavedec(data1, 'haar', mode='periodization')
for i in range(0, 5):
axes[0, i].plot(c[i],c = "r")
结果如下所示：
我不使用 Python，我是一个坚持他旧的 Matlab（代码和）习惯的老人。然而，就扩展/小波/边界问题而言，SWT 与 CWT 是离散的等价物。在大多数版本中，近似值或细节中的样本数量是相同的（DWT 并非如此）。因此，您可以将 1D 行细节（或近似值）连接成 2D 图像，类似于传统的尺度图。以下图像和代码显示了该过程。我已经生成了一个度数增加的随机分段多项式信号。然后是行的详细信息，以及连接的行的图像。动机是解决消失矩对分段多项式的影响，具有边界效应。这里有两种不同的认识。
可以在 Python 中重现的 Matlab 代码：
dataLength = 512;
data = zeros(dataLength,1);
nChunk = 4;
lChunk = dataLength/nChunk;
for iChunk = 0:nChunk-1
idxChunk = iChunk*lChunk+(1:lChunk)';
polyChunk = rand(iChunk+1,1)-0.5;
dataChunk = polyval(polyChunk,linspace(-0.5,0.5,lChunk));
data(idxChunk) = dataChunk;
end
nLevel = 4;
[swa,swd] = swt(data,nLevel,'db2');
figure(1);clf
subplot(1,3,1)
plot(data,'x');axis tight
for iPlot = 1:nLevel
subplot(nLevel,3,3*(iPlot-1)+2)
plot(swd(iPlot,:));;axis tight
end
subplot(1,3,3)
imagesc(swd)
其他相关问题/答案：